CN109636773A - 一种基于梯度相关的圆形目标检测方法 - Google Patents
一种基于梯度相关的圆形目标检测方法 Download PDFInfo
- Publication number
- CN109636773A CN109636773A CN201811254060.0A CN201811254060A CN109636773A CN 109636773 A CN109636773 A CN 109636773A CN 201811254060 A CN201811254060 A CN 201811254060A CN 109636773 A CN109636773 A CN 109636773A
- Authority
- CN
- China
- Prior art keywords
- gradient
- radius
- coordinate
- related coefficient
- circular target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于梯度相关的圆形目标检测方法,对原始图像进行Sobel边缘检测处理,得到图像边缘的二值化结果,计算各坐标点的向量值,依次计算该梯度与不同坐标向量值的相关系数,构成表征圆形目标中心位置概率的相关系数图,统计以圆心为中心,不同半径的圆周上边缘点的个数,从大到小遍历不同的半径,当半径值不大于对应的边缘点个数值时,即得到圆形目标的半径。本发明通过计算各边缘点梯度与其相对坐标的相关系数来确定圆心位置和半径大小,解决了圆形目标的快速检测问题,不但提高了检测精度而且降低了计算量,广泛适用于圆形器件筛选、智能交通等工业领域。
Description
技术领域
本发明涉及图像处理技术领域,尤其是一种圆形目标的检测方法。
背景技术
在机器视觉领域,往往涉及一些针对圆形目标的检测问题,如:工业生产中圆形器件的筛选、智能交通中圆形警示牌的识别等。Hough变换以其对图像边缘的不连续性和噪声影响都具有较强的鲁棒性,成为圆形检测最常用的方法之一。但由于传统Hough变换在进行圆形检测时每次都要遍历三维的参数空间,计算量较大,计算耗时较长,很难满足实际应用的需求。虽然后续出现了一些改进方法,如随机Hough变换,可以在存储量和计算量方面得到改善,但随机的选点也增加了无效采样与无用累积的概率,使圆形检测性能大为降低。
发明内容
为了克服现有技术的不足,本发明提供一种既简便又有效的圆形目标检测方法,克服传统方法中计算量大、检测精度低的不足。不但能够确定圆心位置,而且能够给出半径大小,进一步提升圆形目标的检测性能。
本发明解决其技术问题所采用的技术方案的具体实现步骤如下:
步骤1:对输入的原始图像进行Sobel边缘检测处理,得到图像边缘的二值化结果,“0”表示非边缘,“1”表示边缘,具体为:
对于给定图像I,使用Sobel算子进行边缘检测,得到二值化图像IS,Sobel算子如下:
步骤2:计算二值化图像中每一个标“1”的边缘坐标点在原始图像中的梯度,并计算以该边缘坐标点为中心,指向半径为R范围内各坐标点的向量值;
对于二值化图像中每一个边缘坐标点(x,y),计算该点在原始图像I中的梯度,即:
其中,Gx和Gy分别表示坐标点(x,y)在水平和竖直方向上的梯度值;
计算以边缘坐标点(x,y)为中心,指向以R为半径的区域内任意一点(x′,y′)的向量,其表达式如下:
式(2)中,Δx和Δy分别表示向量的水平和竖直分量,Ω(x,y)表示以(x,y)为中心,半径为R的区域;
步骤3:依次计算该梯度与不同坐标向量值的相关系数,分别再与各自以前值做累加,构成了表征圆形目标中心位置概率的相关系数图。
计算坐标点(x,y)处的梯度与Ω(x,y)区域内所有(x′,y′)点处向量的相关系数,并与各自之前的相关系数做累加和,即:
其中,c(x′,y′)表示相关系数累加和构成的图,其上各个坐标点的值的大小表征了圆形目标的中心出现在该位置的概率;
步骤4:求取相关系数图中最大值位置坐标即为圆心,统计以圆心为中心,不同半径的圆周上边缘点的个数,从大到小遍历不同的半径,当半径值不大于对应的边缘点个数值时,即得到圆形目标的半径;
取c(x′,y′)中最大值的坐标(X,Y),即为圆形目标可能出现的位置:
在二值化图像IS中,统计以(X,Y)为中心,不同r∈[1,R]为半径的圆周上边缘点(x,y)的个数:
其中,V表示不同半径的圆周上边缘点数构成的向量,round(·)表示四舍五入;在r的取值范围内从大到小遍历向量V,第一个满足V(r)≥r的r即为圆形目标的半径rT。
本发明有益效果为通过计算各边缘点梯度与其相对坐标的相关系数来确定圆心位置和半径大小,解决了圆形目标的快速检测问题。该发明的核心思想是统计每个边缘点对其周围像素的贡献量,而不是周围像素对其中心点的贡献,不但提高了检测精度而且降低了计算量,广泛适用于圆形器件筛选、智能交通等工业领域。
附图说明
图1是本发明的算法流程框图。
图2是本发明实施例的效果图,其中,(a)图是原始图像;(b)图是原始图像经过Sobel边缘检测后的二值化图像;(c)图是圆形目标检测结果。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
步骤1:对输入的原始图像进行Sobel边缘检测处理,得到图像边缘的二值化结果,“0”表示非边缘,“1”表示边缘,具体为
对于给定图像I,使用Sobel算子进行边缘检测,得到二值化图像IS,Sobel算子如下:
步骤2:计算二值化图像中每一个标“1”的边缘坐标点在原始图像中的梯度,并计算以该边缘坐标点为中心,指向半径为R范围内各坐标点的向量值;
对于二值化图像中每一个边缘坐标点(x,y),计算该点在原始图像I中的梯度,即:
其中,Gx和Gy分别表示坐标点(x,y)在水平和竖直方向上的梯度值;
计算以边缘坐标点(x,y)为中心,指向以R为半径的区域内任意一点(x′,y′)的向量,其表达式如下:
式(2)中,Δx和Δy分别表示向量的水平和竖直分量,Ω(x,y)表示以(x,y)为中心,半径为R的区域;
步骤3:依次计算该梯度与不同坐标向量值的相关系数,分别再与各自以前值做累加,构成了表征圆形目标中心位置概率的相关系数图。
计算坐标点(x,y)处的梯度与Ω(x,y)区域内所有(x′,y′)点处向量的相关系数,并与各自之前的相关系数做累加和,即:
其中,c(x′,y′)表示相关系数累加和构成的图,其上各个坐标点的值的大小表征了圆形目标的中心出现在该位置的概率;
步骤4:求取相关系数图中最大值位置坐标即为圆心,统计以圆心为中心,不同半径的圆周上边缘点的个数,从大到小遍历不同的半径,当半径值不大于对应的边缘点个数值时,即得到圆形目标的半径;
取c(x′,y′)中最大值的坐标(X,Y),即为圆形目标可能出现的位置:
在二值化图像IS中,统计以(X,Y)为中心,不同r∈[1,R]为半径的圆周上边缘点(x,y)的个数:
其中,V表示不同半径的圆周上边缘点数构成的向量,round(·)表示四舍五入;在r的取值范围内从大到小遍历向量V,第一个满足V(r)≥r的r即为圆形目标的半径rT。
该发明的具体算法流程见附图1。
具体实施步骤如下:
1)使用Sobel边缘检测方法提取原始图像的边缘信息;
2)计算每个边缘点的梯度;
3)计算边缘点梯度与其一定范围内坐标向量的相关系数;
4)累加相关系数到各自的坐标点,构成相关系数图;
5)计算相关系数图中最大值处的坐标,即为圆形目标的圆心位置;
6)统计以圆心为中心,不同半径的圆周上边缘点的个数;
7)从大到小遍历不同的半径值,第一个不大于对应边缘点个数的半径即为圆形目标的半径值。
针对本发明提出的一种基于梯度相关的圆形目标检测方法,以下举例说明该方法的应用。
实验中使用的图像是8位、256×256的灰度图像,如附图2中(a)所示。
按照上述实施步骤,
步骤一,使用Sobel算子提取附图2(a)的边缘信息,如附图2(b)所示;
步骤二,使用(1)式计算边缘点的梯度;
步骤三,利用(2)式计算以边缘点为中心,半径为R的区域内所有坐标向量,此处R取值32;
步骤四,利用(3)式计算边缘点梯度与范围内所有坐标向量的相关系数,并各自累加,形成相关系数图;
步骤五,利用(4)式计算相关系数图中最大值的坐标,即为圆形目标的中心位置;
步骤六,利用(5)式统计不同半径的圆周上边缘点的个数;
步骤七,从大到小遍历不同的半径值,按照V(r)≥r规则确定最终圆形目标的半径,检测结果如附图2(c)所示。
Claims (1)
1.一种基于梯度相关的圆形目标检测方法,其特征在于包括下述步骤:
步骤1:对输入的原始图像进行Sobel边缘检测处理,得到图像边缘的二值化结果,“0”表示非边缘,“1”表示边缘,具体为:
对于给定图像I,使用Sobel算子进行边缘检测,得到二值化图像IS,Sobel算子如下:
步骤2:计算二值化图像中每一个标“1”的边缘坐标点在原始图像中的梯度,并计算以该边缘坐标点为中心,指向半径为R范围内各坐标点的向量值;
对于二值化图像中每一个边缘坐标点(x,y),计算该点在原始图像I中的梯度,即:
其中,Gx和Gy分别表示坐标点(x,y)在水平和竖直方向上的梯度值;
计算以边缘坐标点(x,y)为中心,指向以R为半径的区域内任意一点(x′,y′)的向量,其表达式如下:
式(2)中,Δx和Δy分别表示向量的水平和竖直分量,Ω(x,y)表示以(x,y)为中心,半径为R的区域;
步骤3:依次计算该梯度与不同坐标向量值的相关系数,分别再与各自以前值做累加,构成了表征圆形目标中心位置概率的相关系数图;
计算坐标点(x,y)处的梯度与Ω(x,y)区域内所有(x′,y′)点处向量的相关系数,并与各自之前的相关系数做累加和,即:
其中,c(x′,y′)表示相关系数累加和构成的图,其上各个坐标点的值的大小表征了圆形目标的中心出现在该位置的概率;
步骤4:求取相关系数图中最大值位置坐标即为圆心,统计以圆心为中心,不同半径的圆周上边缘点的个数,从大到小遍历不同的半径,当半径值不大于对应的边缘点个数值时,即得到圆形目标的半径;
取c(x′,y′)中最大值的坐标(X,Y),即为圆形目标可能出现的位置:
在二值化图像IS中,统计以(X,Y)为中心,不同r∈[1,R]为半径的圆周上边缘点(x,y)的个数:
其中,V表示不同半径的圆周上边缘点数构成的向量,round(·)表示四舍五入;在r的取值范围内从大到小遍历向量V,第一个满足V(r)≥r的r即为圆形目标的半径rT。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811254060.0A CN109636773B (zh) | 2018-10-24 | 2018-10-24 | 一种基于梯度相关的圆形目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811254060.0A CN109636773B (zh) | 2018-10-24 | 2018-10-24 | 一种基于梯度相关的圆形目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109636773A true CN109636773A (zh) | 2019-04-16 |
CN109636773B CN109636773B (zh) | 2023-04-07 |
Family
ID=66066569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811254060.0A Active CN109636773B (zh) | 2018-10-24 | 2018-10-24 | 一种基于梯度相关的圆形目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636773B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050129296A1 (en) * | 2003-12-15 | 2005-06-16 | Henri Setala | Method and system for detecting a fiducial in digital projection images |
CN106530347A (zh) * | 2016-09-28 | 2017-03-22 | 吴晓军 | 一种稳定的高性能圆特征检测方法 |
-
2018
- 2018-10-24 CN CN201811254060.0A patent/CN109636773B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050129296A1 (en) * | 2003-12-15 | 2005-06-16 | Henri Setala | Method and system for detecting a fiducial in digital projection images |
CN106530347A (zh) * | 2016-09-28 | 2017-03-22 | 吴晓军 | 一种稳定的高性能圆特征检测方法 |
Non-Patent Citations (3)
Title |
---|
徐光柱等著: "《实用性目标检测与跟踪算法原理与应用》", 30 June 2015 * |
李军等: "复杂背景图像下基于边缘点校验的圆检测方法", 《计算机工程》 * |
陈春来: "面向圆形类目标的检测算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109636773B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111243032B (zh) | 一种棋盘格角点全自动检测方法 | |
CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
CN107679520B (zh) | 一种适用于复杂条件下的车道线视觉检测方法 | |
CN110349207B (zh) | 一种复杂环境下的视觉定位方法 | |
CN109271937B (zh) | 基于图像处理的运动场地标志物识别方法及*** | |
CN104134209B (zh) | 一种视觉导航中的特征提取与匹配方法及*** | |
CN108846401A (zh) | 商品检测终端、方法、***以及计算机设备、可读介质 | |
CN107248159A (zh) | 一种基于双目视觉的金属工件缺陷检测方法 | |
CN104916163A (zh) | 泊车位检测方法 | |
CN104376319B (zh) | 一种基于各向异性高斯核提取封闭边缘图像轮廓的方法 | |
CN108052904B (zh) | 车道线的获取方法及装置 | |
CN106709500B (zh) | 一种图像特征匹配的方法 | |
CN109509200A (zh) | 基于轮廓提取的棋盘格角点检测方法、装置以及计算机可读存储介质 | |
CN112052782B (zh) | 基于环视的停车位识别方法、装置、设备及存储介质 | |
CN107392139A (zh) | 一种基于霍夫变换的车道线检测方法及终端设备 | |
CN106980851B (zh) | 一种数据矩阵dm码的定位方法及装置 | |
CN110110608B (zh) | 一种全景监控下基于视觉的叉车速度监测方法和*** | |
CN110008833B (zh) | 基于光学遥感图像的目标船只检测方法 | |
CN104778707A (zh) | 一种改进广义Hough变换的电解电容检测方法 | |
CN107563301A (zh) | 基于图像处理技术的红灯信号检测方法 | |
CN109961065B (zh) | 一种海面舰船目标检测方法 | |
Zhang et al. | Edge detection based on improved sobel operator | |
CN106022268A (zh) | 一种限速标识的识别方法和装置 | |
CN111382658A (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
CN108256385A (zh) | 基于视觉的前方车辆检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |